68岁亚马逊CTO：别让恐惧，替企业做AI决策

在他看来，Agent的开发者必须能够控制它。系统采取了什么行动、有没有超出边界，最终仍然需要人负责。

Werner也把对AI的信任，放回了分布式系统的经验里。工程师从来不会假定每个组件都永远可靠，所以才需要复制、隔离和各种可靠性机制。团队对单个组件保持警惕，才能建立对整个系统的信任。

不过，工程师要把这些保护机制做成客户用得起、又不会明显拖慢任务的服务，还得经历不少取舍。Lambda就曾遇到过类似的难题。

早年WeTransfer为了处理上传到S3的文件，需要一直运行一批计算实例，等待新文件到来。客户光是为了等待事件发生，就得维护一整套基础设施。

AWS希望把这些工作接过来，让客户提交代码，按执行时间和内存使用量付费。团队想清楚了收费方式，底层怎样高效实现，却仍是一道难题。

为了隔离不同客户，早期Lambda使用的虚拟机，对函数任务来说依然太大，成本很高。后来，团队通过Firecracker把隔离单元做成更轻的微虚拟机，才提高了资源利用率。

隔离问题得到解决之后，团队还得处理冷启动。函数真正执行前，系统需要准备好运行环境、代码和依赖。SnapStart通过保存已初始化环境的快照，减少这部分准备开销，改善启动表现。

客户看到的，可能只是一次函数调用。工程团队却要在背后持续打磨隔离、资源分配、启动和网络机制。

Werner把这些工作称为“看不见的工程创新”（Invisible Engineering）。

Agent要进入实际业务，开发团队同样少不了这些细活。演示跑通之后，团队还得继续明确权限怎样限制、异常怎样处理，以及用户愿意把多大范围的任务交给它。